基于IRLS-ELM生物发酵在线软测量建模方法.pdfVIP

第41卷 增刊 东南大 学 学报 (自然科学版) Vo1．41 Sup 2011年 9月 JOURNALOFSOUTHEASTUNIVERSITY (NaturalScienceEdition) Sept．2011 doi：10．3969／j．issn．1001—0505．2011．S1．003 基于 IRLS．ELM 生物发酵在线软测量建模方法 刘国海 张东娟 梅从立 (江苏大学电气信息工程学院，镇江212013) 摘要：为解决生物发酵过程 中生物量浓度难 以在线测量的问题，提出一种基于改进 的最小二乘 正则化极限学习机(IRLS．ELM)软测量建模方法并将其应用于红霉素发酵过程生物量浓度的在 线预测 中．根据误差反馈原理，将训练误差作为输入建立带反馈的神经网络，以提高模型预测精 度．并将加权最小二乘法引入到ELM 中改进其数学模型，削弱离群点或者不稳定因素的影响． 最后，将所建 IRLS．ELM 模型应用于红霉素发酵过程生物量浓度的预测中．实验结果表明，在 隐含层节点数相 同的情况下，对于指标MSE，IRLS—ELM 比ELM和 RLS—ELM有明显提高．同 时IRLS—ELM 在隐含层节点数变少的情况下，误差没有明显变化，结构紧凑而且稳定性较高． 由此可见，与ELM 和RLS—ELM 软测量建模方法相比，IRLS．ELM 在线软测量建模方法具有更 高的预测精度和更强的泛化能力． 关键词：极限学习机 ；软测量；反馈输入；发酵过程 中图分类号：TP273 文献标志码 ：A 文章编号：1001—0505(2011)增刊一0010-04 Softsensormodelingbasedonimprovedregularizedleast-squares extremelearningmachinemethod LiuGuohai ZhangDongjuan MeiCongli (SchoolofElectricalandInformationEngineering，JiangsuUniversity，Zhenjiang212013，China) Abstract：Inordertosolvetheproblem thatbiomassconcentrationiSdifficulttodirectlymeasurein thefermentationprocess．asoft sensormodelingmethodbasedonimproved regularizedleast—squares extremelearningmachine(IRLS—ELM)iSproposedanditisusedtopredictthebiomassconcentration intheerythromycinfermentationprocess．Accordingtotheprincipleoferrorfeedback，thetraininger— rorcanbeusedastheinputoftheELM toimprovethepredictionaccuracyofthemode1．Inorderto reducehteeffectsofoufliersanduncertainty，theweightedleastsquaresmethodiSincorporatedinthe mode1．Finally。asoftsensormodelbasedontheⅡtLS—EIM isconsturctedforpredictinginerythromy— cinfermentationprocess．Theresultsshowthatthemeansquareerror(MSE)oftheIRLS—ELM softSell— sotmodeliSlessthanthatoftheELM andtheRLS—ELM withthesamenumberofhiddennodes．In addition．ht